In silico скрининг модуляторов белок-белкового взаимодействия на примере белков p53 и 14-3-3γ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Исследование белка p53 и его взаимодействий с другими белками важно для понимания механизмов, посредством которых p53 воздействует на онкогенез. Мутации в гене TP53, встречающиеся примерно в 50% случаев онкологических заболеваний, часто нарушают функции р53, тем самым способствуя канцерогенезу. Несмотря на трудности структурного анализа из-за наличия неструктурированных участков в белке р53, его роль в передаче сигналов о повреждении ДНК и прогрессировании злокачественных опухолей хорошо известна. В данном исследовании с помощью in silico методов изучены поверхности взаимодействия мономеров p53 и 14-3-3 для поиска молекул, потенциально способных с ними связываться. При помощи моделирования третичной структуры, молекулярной динамики, молекулярного докинга и виртуального скрининга лигандов идентифицированы низкомолекулярные соединения, которые могут модулировать взаимодействие p53 с 14-3-3γ. Основные результаты исследования включают идентификацию кармана связывания лигандов в интерфейсе взаимодействия комплекса p53 14-3-3γ, создание полноразмерных моделей 14-3-3γ и p53 с использованием методов in silico, а также отбор потенциальных белок-белковых модуляторов с высоким сродством к изучаемым белкам.

Полный текст

Доступ закрыт

Об авторах

А. А. Саргсян

Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА); Российско-Армянский университет

Email: g_arakelov@mb.sci.am

Лаборатория компьютерного моделирования биологических процессов, Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА)

Армения, Ереван, 0014; Ереван, 0051

Н. Г. Мурадян

Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА)

Email: g_arakelov@mb.sci.am

Лаборатория компьютерного моделирования биологических процессов

Армения, Ереван, 0014

В. Г. Аракелов

Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА)

Email: g_arakelov@mb.sci.am

Лаборатория компьютерного моделирования биологических процессов

Армения, Ереван, 0014

А. К. Паронян

Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА); Российско-Армянский университет

Email: g_arakelov@mb.sci.am

Лаборатория компьютерного моделирования биологических процессов, Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА)

Армения, Ереван, 0014; Ереван, 0051

Г. Г. Аракелов

Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА); Российско-Армянский университет

Автор, ответственный за переписку.
Email: g_arakelov@mb.sci.am

Лаборатория компьютерного моделирования биологических процессов, Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА)

Армения, Ереван, 0014; Ереван, 0051

К. Б. Назарян

Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА); Российско-Армянский университет

Email: g_arakelov@mb.sci.am

Лаборатория компьютерного моделирования биологических процессов, Институт молекулярной биологии Национальной академии наук Республики Армения (НАН РА)

Армения, Ереван, 0014; Ереван, 0051

Список литературы

  1. Gotz C., Montenarh M. (1995) P53 and its implication in apoptosis (review). Int. J. Oncol. 6(5), 1129–1135. https://doi.org/10.3892/ijo.6.5.1129
  2. Bode A.M., Dong Z. (2004) Post-translational modification of p53 in tumorigenesis. Nat. Rev. Cancer. 4(10), 793–805. https://doi.org/10.1038/nrc1455
  3. Baugh E.H., Ke H., Levine A.J., Bonneau R.A., Chan C.S. (2018) Why are there hotspot mutations in the TP53 gene in human cancers? Cell Death Differ. 25(1), 154–160. https://doi.org/10.1038/cdd.2017.180
  4. McKinney K., Mattia M., Gottifredi V., Prives C. (2004) p53 linear diffusion along DNA requires its C terminus. Mol. Cell. 16(3), 413–424. https://doi.org/10.1016/j.molcel.2004.09.032
  5. Joerger A.C., Fersht A.R. (2008) Structural biology of the tumor suppressor p53. Annu. Rev. Biochem. 77, 557–582. https://doi.org/10.1146/annurev.biochem.77.060806.091238
  6. Friedler A., Veprintsev D.B., Freund S.M., von Glos K.I., Fersht A.R. (2005) Modulation of binding of DNA to the C-terminal domain of p53 by acetylation. Structure. 13(4), 629–636. https://doi.org/10.1016/j.str.2005.01.020
  7. Kuusk A., Boyd H., Chen H., Ottmann C. (2020) Small-molecule modulation of p53 protein-protein interactions. Biol. Chem. 401(8), 921–931. https://doi.org/10.1515/hsz-2019-0405
  8. Moore B.W., Perez V.J., Gehring M. (1968) Assay and regional distribution of a soluble protein characteristic of the nervous system. J. Neurochem. 15, 265–272. https://doi.org/10.1111/j.1471-4159.1968.tb11610.x
  9. Fu H., Subramanian R.R., Masters S.C. (2000) 14-3-3 proteins: structure, function, and regulation. Annu. Rev. Pharmacol. Toxicol. 40, 617–647. https://doi.org/10.1146/annurev.pharmtox.40.1.617
  10. Yang X., Lee W.H., Sobott F., Papagrigoriou E., Robinson C.V., Grossmann J.G., Sundström M., Doyle D.A., Elkins J.M. (2006) Structural basis for protein-protein interactions in the 14-3-3 protein family. Proc. Natl. Acad. Sci. USA. 103(46), 17237–17242. https://doi.org/10.1073/pnas.0605779103
  11. Lee M.H., Lozano G. (2006) Regulation of the p53-MDM2 pathway by 14-3-3σ and other proteins. Semin. Cancer Biol. 16(3), 225–234. https://doi.org/10.1016/j.semcancer.2006.03.009
  12. Ginalski K. (2006) Comparative modeling for protein structure prediction. Curr. Opin. Struct. Biol. 16(2), 172–177. https://doi.org/10.1016/j.sbi.2006.02.003
  13. Jumper J., Evans R., Pritzel A., Green T., Figurnov M., Ronneberger O., Tunyasuvunakool K., Bates R., Žídek A., Potapenko A., Bridgland A., Meyer C., Kohl S.A.A., Ballard A.J., Cowie A., Romera-Paredes B., Nikolov S., Jain R., Adler J., Back T., Petersen S., Reiman D., Clancy E., Zielinski M., Steinegger M., Pacholska M., Berghammer T., Bodenstein S., Silver D., Vinyals O., Senior AW., Kavukcuoglu K., Kohli P., Hassabis D. (2021) Highly accurate protein structure prediction with AlphaFold. Nature. 596(7873), 583–589. https://doi.org/10.1038/s41586-021-03819-2
  14. Evans R., O’Neill M., Pritzel A., Antropova N., Senior A., Green T., Žídek A., Bates R., Blackwell S., Yim J., Ronneberger O., Bodenstein S., Zielinski M., Bridgland A., Potapenko A., Cowie A., Tunyasuvunakool K., Jain R., Clancy E., Kohli P., Jumper J., Hassabis D. (2022) Protein complex prediction with AlphaFold-Multimer. bioRxiv. https://doi.org/10.1101/2021.10.04.463034
  15. Izadi S., Anandakrishnan R., Onufriev A.V. (2014) Building water models: a different approach. J. Phys. Chem. Lett. 5(21), 3863–3871. https://doi.org/10.1021/jz501780a
  16. Raguette L.E., Cuomo A.E., Belfon K.A.A., Tian C., Hazoglou V., Witek G., Telehany S.M., Wu Q., Simmerling C. (2024) phosaa14SB and phosaa19SB: updated Amber force field parameters for phosphorylated amino acids. J. Chem. Theory Comput. 20(16), 7199–7209. https://doi.org/10.1021/acs.jctc.4c00732
  17. Tian C., Kasavajhala K., Belfon K.A.A., Raguette L., Huang H., Migues A.N., Bickel J., Wang Y., Pincay J., Wu Q., Simmerling C. (2020) ff19SB: amino-acid-specific protein backbone parameters trained against quantum mechanics energy surfaces in solution. J. Chem. Theory Comput. 16(1), 528–552. https://doi.org/10.1021/acs.jctc.9b00591
  18. Kumari R., Kumar R., Open Source Drug Discovery Consortium, Lynn A. (2014) g_mmpbsa–a GROMACS tool for high-throughput MM-PBSA calculations. J. Chem. Inf. Model. 54(7), 1951–1962. https://doi.org/10.1021/ci500020m
  19. Massova I., Kollman P.A. (2000) Combined molecular mechanical and continuum solvent approach (MM-PBSA/GBSA) to predict ligand binding. Perspect. Drug Discov. Des. 18(1), 113–135. https://doi.org/10.1023/A:1008763014207
  20. Tubiana T., Carvaillo J.C., Boulard Y., Bressanelli S. (2018) TTClust: a versatile molecular simulation trajectory clustering program with graphical summaries. J. Chem. Inf. Model. 58(11), 2178–2182. https://doi.org/10.1021/acs.jcim.8b00512
  21. Abagyan R., Totrov M. (1994) Biased probability Monte Carlo conformational searches and electrostatic calculations for peptides and proteins. J. Mol. Biol. 235(3), 983–1002. https://doi.org/10.1006/jmbi.1994.1052
  22. Hainaut P., Mann K. (2001) Zinc binding and redox control of p53 structure and function. Antioxid. Redox Signal. 3(4), 611–623. https://doi.org/10.1089/15230860152542961
  23. Falcicchio M., Ward J.A., Macip S., Doveston R.G. (2020) Regulation of p53 by the 14-3-3 protein interaction network: new opportunities for drug discovery in cancer. Cell Death Discov. 6(1), 126. https://doi.org/10.1038/s41420-020-00362-3

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Трехмерные структуры, полученные с помощью программы AF2 (красная), наложены на экспериментальные структуры (зеленая). а ‒ TD белка p53; б ‒ DBD первого мономера p53; в ‒ DBD второго мономера; г ‒ структура полноразмерного белка p53, полученного с помощью программы AF2; д ‒ белок 14-3-3-3γ.

Скачать (48KB)
Метаданные
3. Рис. 2. Изменение координат атомов основных цепей (RMSD) на протяжении 100 нс для гомодимера p53 (а) и гомодимера 14-3-3γ (б). Колебания значений свободной энергии связывания Гиббса на протяжении 100 нс симуляции для димера p53 (в) и димера 14-3-3γ (г). Красная кривая – усредненные значения энергии.

Скачать (42KB)
Метаданные
4. Рис. 3. Кластерная дендограмма, показывающая отдельные кластеры и их ответвления от начальной структуры для димера 14-3-3γ (а) и димера p53 (б).

Скачать (22KB)
Метаданные
5. Рис. 4. Взаимодействие 14-3-3γ с соединениями IX_21642 (а, б), IX_77271 (в, г) и IX_76130 (д, е). Слева показана локализация лиганда в кармане связывания 14-3-3γ с р53, справа – двумерная диаграмма взаимодействий между белком и лигандом.

Скачать (102KB)
Метаданные
6. Рис. 5. Взаимодействие p53 с IX_130552 (а, б), IX_48379 (в, г) и IX_33518 (д, е). Слева показана локализация лиганда в кармане связывания p53 с 14-3-3γ, справа – двумерная диаграмма сайтов взаимодействия.

Скачать (90KB)
Метаданные

© Российская академия наук, 2025